摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-16页 |
1.1 课题研究的背景与意义 | 第10-11页 |
1.2 国内外研究动态 | 第11-15页 |
1.2.1 超超临界机组建模方法及研究现状 | 第11-12页 |
1.2.2 热工对象辨识算法的发展与研究现状 | 第12-13页 |
1.2.3 非线性预测控制的发展与研究现状 | 第13-15页 |
1.3 本文主要内容 | 第15-16页 |
第二章 改进的免疫遗传算法及在热工系统辨识中的应用 | 第16-32页 |
2.1 引言 | 第16页 |
2.2 基本遗传算法的原理与特点 | 第16-19页 |
2.2.1 基本遗传算法的原理描述 | 第16-17页 |
2.2.2 遗传算法的基本步骤 | 第17页 |
2.2.3 遗传算法步骤描述 | 第17-18页 |
2.2.4 基本遗传算法存在的问题 | 第18-19页 |
2.2.5 原因分析 | 第19页 |
2.3 人工免疫系统原理 | 第19-21页 |
2.3.1 人工免疫系统简介 | 第19页 |
2.3.2 人工免疫系统的术语 | 第19页 |
2.3.3 免疫算法描述 | 第19-20页 |
2.3.4 采用免疫系统的特性和原理 | 第20-21页 |
2.4 改进的免疫遗传算法 | 第21-26页 |
2.4.1 免疫遗传算法简介 | 第21页 |
2.4.2 免疫算法术语介绍 | 第21-22页 |
2.4.3 改进的免疫遗传算法流程描述 | 第22-24页 |
2.4.4 算法优化性能试验分析 | 第24-26页 |
2.5 三种优化算法在热工系统辨识中的应用 | 第26-30页 |
2.5.1 热工系统参数辨识简介 | 第26-27页 |
2.5.2 超超临界机组负荷模型结构介绍 | 第27-28页 |
2.5.3 超超临界机组协调系统模型参数辨识 | 第28-30页 |
2.6 本章小结 | 第30-32页 |
第三章 超超临界机组仿真负荷模型的建立 | 第32-49页 |
3.1 引言 | 第32页 |
3.2 超超临界机组系统简介 | 第32-34页 |
3.3 制粉系统建模 | 第34页 |
3.4 锅炉-汽轮机系统建模 | 第34-39页 |
3.4.1 简化与假设 | 第34-35页 |
3.4.2 锅炉部分 | 第35-38页 |
3.4.3 汽轮机部分 | 第38-39页 |
3.5 超超临界机组非线性动态模型结构 | 第39页 |
3.6 参数辨识 | 第39-41页 |
3.6.1 静态参数辨识 | 第40-41页 |
3.6.2 动态参数辨识 | 第41页 |
3.7 模型验证 | 第41-47页 |
3.7.1 稳态模型验证 | 第41-42页 |
3.7.2 动态模型验证 | 第42-47页 |
3.8 结果与讨论 | 第47-48页 |
3.9 本章小结 | 第48-49页 |
第四章 超超临界机组控制负荷模型的建立 | 第49-61页 |
4.1 引言 | 第49页 |
4.2 模型建立 | 第49-53页 |
4.2.1 制粉系统建模 | 第49页 |
4.2.2 锅炉建模 | 第49-51页 |
4.2.3 汽轮机建模 | 第51-53页 |
4.2.4 最简模型结构 | 第53页 |
4.3 参数辨识 | 第53-56页 |
4.3.1 静态参数辨识 | 第53-54页 |
4.3.2 动态参数辨识 | 第54-56页 |
4.4 模型脸证 | 第56-59页 |
4.4.1 稳态值验证 | 第56-57页 |
4.4.2 模型动态验证 | 第57-59页 |
4.5 结果与讨论 | 第59-60页 |
4.6 本章小结 | 第60-61页 |
第五章 基于免疫优化的超超临界机组负荷非线性预测控制 | 第61-73页 |
5.1 引言 | 第61页 |
5.2 预测控制的基本原理 | 第61-63页 |
5.3 基于免疫优化的非线性预测控制方法 | 第63-68页 |
5.3.1 非线性预测控制系统结构 | 第63-64页 |
5.3.2 机理预测模型及反馈校正 | 第64页 |
5.3.3 基于改进免疫遗传算法的滚动优化求解 | 第64-67页 |
5.3.4 基于改进的免疫遗传算法的非线性预测控制的具体步骤 | 第67-68页 |
5.4 超超临界机组负荷非线性预测控制 | 第68-72页 |
5.4.1 负荷阶跃扰动试验仿真 | 第68-70页 |
5.4.2 大范围升降负荷扰动试验仿真 | 第70-71页 |
5.4.3 分析与讨论 | 第71-72页 |
5.5 本章小结 | 第72-73页 |
第六章 结论与展望 | 第73-75页 |
6.1 论文的主要工作 | 第73-74页 |
6.2 研究展望 | 第74-75页 |
参考文献 | 第75-81页 |
附录 | 第81-86页 |
作者简介 | 第86-87页 |
致谢 | 第87页 |